Robust tidsserieanalys
Robust tidsserieanalys anpassar autoregressiva, glidande medelvärdes- och ARIMA-modeller till serier som innehåller extremvärden eller strukturella brott, genom att använda M-estimering eller MM-estimering istället för minsta kvadratmetoden, så att ett fåtal anomalistiska observationer inte förvränger anpassningen. Den följer traditionen inom robust statistik konsoliderad i Maronna, Martin, Yohai och Salibián-Barrera (2019).
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/sv/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analys av brytpunkterStatistik↔ compare
- Medianabsolutavvikelse (MAD) – estimeringStatistik↔ compare
- Vanligaste minsta kvadratmetoden (OLS) RegressionEkonometri↔ compare
- Robust linjärt blandad modellStatistik↔ compare
- Sn och Qn Robusta SkalestimatStatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →